刘贤昌,黄凌
近年来,保险业务的发展速度十分显著,以2007年《中国保险统计年鉴》数据来看,保费收入年均增长超过16%,是国民经济中发展较快的行业之一。保险公司的总资产是2002年的3倍,保险密度提高了81.2%,保险深度提高了0.3个百分点。做为社会保险与政策保险的重要补充,商业保险以其市场化运作、商业化体制的优势,成为政府的一项有效金融工具。2006年,国务院颁布《国务院关于保险业改革发展的若干意见》(简称“国十条”),不仅对保险在“经济补偿、资金融通和社会管理功能”方面所起的重要作用给予了充分肯定,也对保险改革提出了若干详细的工作部署。其中对商业保险做出了如下明确的指示:“鼓励和引导人民群众参加商业养老、健康等保险……鼓励和支持有条件的企业通过商业保险建立多层次的养老保障计划……”
商业保险有别于政策性保险,它是遵循商业化、市场化的经营原则,通过保险人与被保险人之间自愿订立保险合同来转嫁或分散特定风险责任,进而实现损失补偿或给付的一种经济机制。商业保险的需求量是指在既定的保费和保险责任前提下,消费者愿意并且能够购买的商业保险产品的数量。变化是由市场自发调节作用的结果。对商业保险需求量的影响因素进行分析有助于明确商业保险发展的助推力,纠正行业经营中的缺陷,促进商业保险良性发展。影响商业保险需求的因素有外在的也有内在的因素,出于数据来源的可行性以及影响因素是否可以量化的角度考虑,从影响商业保险外生变量的角度着手研究。
绝大多数的学者将计量方法运用于保险产业研究时,偏好于绩效或效率的分析,理由有三:首先,保险学科作为金融学科的分支之一,与银行类似,面临着资金融通、规模经济、财务管理等相似的问题,而金融学界对银行的效率问题研究由来已久,故保险学科研究通常顺延该路线;其次,“产权理论”的“市场结构决定行为模式,继而影响绩效”可作为经典的分析范式贯通全文;最后,关于绩效或者效率分析的计量方法已经发展得非常完善且运用频繁,其中比较有代表性的计量模型有三种,第一种是DEA模型(Data Envelopment Analysis-数据包络分析法),如Maudos和Pastor,他们用该模型测度了1985~1996年间西班牙商业银行的效率问题,得出了商业银行利润效率低于成本效率的结论;而国内该研究领域研究者也不在少数,如魏煜和王丽运用该模型,对我国银行1997年的技术效率、纯技术效率、规模效率和规模报酬进行研究,得出提升银行效率的主要途径是提高员工素质、闲置固定资产购置和杜绝可贷资金的盲目增长。第二种是SFA模型(Stochastic Frontier Approach-随机前沿法),如Isik和Haffernan用该模型研究土耳其商业银行的效率,得出了成本效率与利润研究之间不存在显著相关性的结论,即较高的利润效率不一定需要较高的成本效率。国内的姚树杰、冯根福、姜春霞采用该方法对中国22家商业银行2005~2001年的效率进行分析,得出面临硬预算约束的银行绩效比被投以大资本的银行绩效好,所有制改革和预算约束能够提升银行效率创造有利的环境和结构条件。
吴江鸣与林宝清指出广义的保险需求是:一定时期内全社会期望从保险得到的经济补偿总量。但只有“保险的有效需求”即与需求者的购买能力相联系的需求才是研究的重点,这种需求是在一定价格条件下,以一定的货币支付能力为基础,消费者愿意、能够并且打算购买的商品数量。所以保费收入的统计数据是保险需求量最直接且有效的衡量手段。
商业保险有别于社会保险与政策性保险,它是指由专门的保险公司按商业原则经营,并通过保险人与被保险人之间自愿订立保险合同来转嫁或分散特定风险责任,进而实现损失补偿或给付的一种经济机制。商业保险业务和产品包含的范围非常广泛,不仅涵盖了社会保险、政策保险的范围,还包括财产保险、责任保险、信用保险,几乎涉及到国民经济发展的方方面面。
以林宝清、王清娥、肖文等学者为首的研究学者从理论分析着手研究商业保险需求量的影响因素,鲜有辅以计量分析方法的。林宝清提出在外部条件基本相近的情况下,保费收入与国民生产总值、各省保费收入与各省国民生产总值、人均保费收入与人均国民生产总值都具有高度的正相关关系。肖文及谢文武认为保费收入与GDP基本呈正相关关系。王清娥认为经济结构、国民收入水平、社会文化、人口状况、政府宏观调控措施会影响到保险的需求量。笔者认为纯理论分析得出的结论,虽从表象而言确如其是,但未经过量化分析,得出的结论不够具有说服力。
有部分学者,在定性分析的基础上进行了升华,添加了少量的计量方法。如林宝清教授与吴江鸣的研究性成果《我国保险需求模型的实证分析》中从需求行为方程着手选取了城镇居民家庭人均可支配收入作为研究影响保费收入的内生变量,并且剔除了保险产品价格这个内生变量。他们将衡量通货膨胀水平的商品零售价格指数、市场模式、品种创新与否作为外生变量,其中市场模式和品种创新与否作为虚拟变量。并用OLS法进行定量分析,得出GDP对总保费收入及财产险保费收入具有重要影响;通货膨胀对总保费收入具有不确定性影响。
国内学者在运用计量方法对保险需求影响因素进行实证分析时,多数采用OLS(Ordinary Least Squares)法,即普通最小二乘估计。但普遍存在两处缺陷,故在此稍作澄清。第一是以时间序列短为由,“假设各解释变量间存在线性关系”,此为不妥,是否线性决定了是否能用OLS法,故要对“是否线性相关进行初步判断”。另外,多数作者将自己的研究对象统称为“我国保险需求量影响因素”,而非“我国商业保险需求量”,笔者认为此处亦为不妥,毕竟商业保险明显不同于社会保险、政策性保险,三者的总和是“我国保险”主要形式。政策性保险和社会保险本身受不可预计的政策、财政支持、国际经济环境因素干预的成分太多,其需求量变化非市场自发调节作用的结果,这也是选取商业性保险的需求量作为研究对象的最主要原因。
保费收入(Y)。保费收入从货币的角度直接衡量了保险需求量的大小,是保险需求量的核心参数,故将其作为该多元线性回归模型的被解释变量。根据各年国家统计年鉴中保险公司经济技术指标所示,政策保险保费收入占保险公司全部保费收入的比重非常小,约4‰,所以姑且以国家统计年鉴中保险公司各年保费收入作为商业保险保费收入,继而研究商业保险需求量的影响因素。
现代西方经济学认为商品的价格因素是影响商品需求量的主要因素。而保险产品作为一种价格既定不变的特殊商品,其一旦精算出价格即保费之后,就不因市场供求多寡、利率调整、政治环境等因素的影响而改变了。但是它的名义价格会因人们的收入变化、替代商品价格变化而显得相对上升或者下降。因而选取了城镇居民人均可支配收入、人均GDP、银行年利率作为解释变量的一部分。
1.二三产业从业人员数(X1)。第一产业指农业、林业、畜牧业、渔业,第一产业受自然条件等非系统性风险较大且关系到国计民生,其生产对象、生产要素属于政策保险的承保范围。同时第一产业从业人员的收入水平也相对较低,对商业保险的购买力不足。商业保险(包括财产险与人寿险)的绝大部分购买力源自二三产业的从业人员,因此二三产业从业人员数必然对商业保险的需求量产生影响。
2.城镇居民人均可支配收入(X2)。它是城镇家庭可支配总收入减去个人所得税及个人社会保障支出的得数除以家庭人数的商,是衡量城镇居民收入水平与生活质量的重要指标。一方面,居民可支配性收入的数量决定了消费性支出的数量,另一方面生活水平的提高使人们对健康、安全、旅游、固定资产等方面的保障意识逐步提高,两方面都对商业保险的需求量有着积极的影响。
3.人均GDP(X3),即人均国内生产总值(Real GDP per capita)。GDP是指一定时期内,一个国家或地区的经济中所生产出的全部最终产品和提供劳务的市场价值的总值。人均GDP就是将GDP除以我国户籍人口数量。将其作为解释变量之一,原因有二,其一:人均GDP变动方向与人均收入的变动方向一致,而人均收入水平是衡量居民购买力的依据之一,因此随着人均GDP增加,居民总体购买力水平也随之提高。其二:根据马斯洛需要层次理论,当人们满足生理层次需要的时候,就会向更高层次——安全、社交、尊重、自我实现发展。人均GDP的增加使得人们向更高需要层次发展提供了充分条件,而日益丰富的保险产品为人们向更高层次发展提供了必要条件,并且将各种风险载体的潜在的损失降到最低,起到了保障经济运行、优化经济体制的重要作用。
4.市场化水平(X4)。根据20世纪70年代美国学者罗纳德·麦金农提出的“金融抑制论”,把广义货币供应量M2相对于GDP的比例M2/GDP作为测定金融深化的指标,并以此来表示市场化水平[1]。商业保险作为金融行业的一个重要组成部分,整个市场的金融深化程度必然对商业保险的发展规模和需求总量产生影响,同时商业保险区别于政策性保险的特点之一就是市场化,当然市场化水平越高,自由竞争越充分,不断创新的产品、不断改进的营销手段必然迎合消费者不断提升的对经济保障、人身保障、财产保障方面的需求,从而对商业保险的需求量产生正面的影响。
基于以上的定性分析,将二三产业从业人数(X1)、城镇居民人均可支配收入(X2)、人均国内生产总值(X3)、市场化水平(X4)视作影响商业保险需求量变动最为关键的影响因素,以下利用OLS(普通最小二乘法)做参数估计,并定量分析这几个影响因素作为解释变量是否具有显著性。选取的1993年至2007年原始数据源于1994~2008年的 《中国统计年鉴》。
(一)考察数据是否线性相关
通过观察EVIEWS 5.0生成的线性图发现,修正后的数据呈线性状,可见可以使用OLS估计法。
并用多元线性回归方法建立模型,设多元线性回归模型如下 (为输入EVIEWS时方便原带*号的符号省去*号,默认作调整后的数据):
1.检验多重共线性
由于以时间序列数据做样本、以简单线性形式建立的计量经济学模型,往往存在多重共线性,而多重共线性的产生将会使变量的显著性检验失去意义并且参数估计量经济含义不合理,所以首先考察下各解释变量之间是否存在多种共线性。将商业保险需求量变动及其影响因素调整后相关数据的数据输入EVIEWS,用OLS法做参数估计得到表1。
从中可以看到 R2=0.993 599,F=388.080 9,R2和F值均很高,说明模型的整体拟合效果很好,但是参数的t检验值有的并不显著,X2的参数估计值并不显著,而且X1符号的经济意义也不合理,因此认为存在多重共线性。
表1 各解释变量的回归结果
另一方面,利用EVIEWS软件观察解释变量之间的相关系数,见表2。
表2 各解释变量间相关系数
从表2可知各解释变量的相关系数都很高,可见该模型确实存在多重共线性。因此,接下来采用运用逐步回归法来修正模型的多重共线性。
2.修正多重共线性
第一步: 分别做 Y 与 X1,X2,X3,X4间的回归,得到的 R2(拟合优度) 分别是:0.809333,0.984640,0.975072,0.821104,可见,用 Y 与 X2解释所得的回归方程拟合优度最高,因此选取Y与X2回归得到的相关参数建立基准回归模型,得到:Y=-3229.444+0.713558X2(1-2)
第二步:在模型(1-1)初始方程的基准上,逐步将其他的解释变量加入进行回归,寻找拟合效果最好的回归方程。
在模型(1-2)中添加X1,根据EVIEWS输出的新参数可知R2=0.986551,比模型(1-2)的拟合优度有所提高,但是X1前的参数估计符号不合理,t检验值为-1.305721不显著,且P值0.2161>0.05,因此变量X1不显著,模型中剔除X1。
在模型(1-2)中添加X3,根据EVIEWS输出的新参数可知R2=0.984774,比模型(1-2)的拟合优度稍高一些,但是t检验值为0.324035不显著,且P值0.7515>0.05,因此变量 X3不显著,模型中剔除 X3。
在模型(1-2)中添加X4,根据EVIEWS输出的新参数可知R2=0.984816,比模型(1-2)的拟合优度稍高一些,但是同X3带入后的结果相同,t检验值0.372713,不显著,且 P 值 0.7159>0.05,因此变量 X4不显著,模型剔除X4。
对于商业保险需求量影响因素,从商业分析及经济发展角度出发,选取了四个解释变量,它们分别是:二三产业从业人员数、城镇居民人均可支配收入、人均GDP、市场化水平,纵使从定性分析而言,它们对商业保险需求量增长贡献的权重很大,但是定量分析时候我们筛除掉了三个解释变量,仅保留ols估计较为合理的城镇居民人均可支配收入作为 “商业保险需求量”的解释变量,使最终的模型确定为:Y=-3229.444+0.713558X2。
这对我国发展商业保险有着深远的启示。从模型中我们可以看到当“城镇居民人均可支配收入”增长1个单位变量的时候,商业保险需求量增长0.713558个单位变量。且只有当“城镇居民人均可支配收入”达到4525.83元/年,我国商业保险才开始由零专为正数。可见“城镇居民人均可支配收入”的增长能够促进商业保险需求量不断扩大,而针对此,笔者认为要增加“城镇居民人均可支配收入”必须在经济建设中注意如下四个增长点:第一,稳步提高城镇居民工资水平,优化住房、医疗等福利待遇;第二,扩大就业范围及就业人数,特别要关注应届毕业生、下岗职工这些就业中的弱势群体;第三,扩大“代金券”的实验范围,使从实物货币角度提高居民可支配收入;第四,鼓励及支持创业、个体私营、小企业、制造企业的发展,吸纳社会闲散劳动力。
[1]中华人民共和国国家统计局.中国统计年鉴[M].北京:中国统计出版社,1996-2008.
[2]中国保险监督管理委员会.中国保险年鉴[M].北京:中国保险年鉴社,2007.
[3]成思危.中国社会保障体系的改革与完善[M].北京:民主与建设出版社,2000:86.
[4]王清娥.保险需求量及其影响因素分析[J].经济管理,2001.
[5]曾朝晖,王俊明.中国保险需求的计量研究[J].现代经济,2008(1).
[6]童光荣,何耀.计量经济学试验教程[M].武汉:武汉大学出版社,2008:80-92.
[7]吴江鸣,林宝清.我国保险需求模型的实证分析[J].福建论坛:经济社会版.2003(10).